Sumários
Representação do Conhecimento e Raciocínio em Lógica de Predicados de Primeira Ordem
23 Fevereiro 2026, 14:30 • Gabriela Eleutério Soares
Fundamentos da Representação: A lógica de predicados permite formalizar afirmações sobre o mundo através de proposições, que são compostas por predicados (relações ou propriedades) e termos (argumentos). Os termos podem ser constantes (entidades específicas), variáveis (entidades genéricas) ou expressões funcionais (como a idade de alguém).
Conetores Lógicos e Sintaxe: O conhecimento complexo é construído utilizando operadores como a negação (¬), conjunção (∧), disjunção (∨), implicação (⇒) e equivalência (⇔). É fundamental compreender que uma implicação (P⇒Q) é, por definição, equivalente a (¬P∨Q), sendo verdade se a premissa for falsa ou a conclusão verdadeira.
Quantificação: A aula abordou a generalização através de quantificadores universais (∀), aplicados a todos os elementos de um domínio, e existenciais (∃), que indicam a existência de pelo menos um elemento que satisfaz a condição. A ordem em que estes quantificadores aparecem altera drasticamente o significado da proposição lógica.
Mecanismos de Inferência (Dedução): O processo de obter conhecimento derivado a partir de uma base de conhecimento é designado por dedução. As regras de inferência são independentes do domínio, focando-se apenas na forma das premissas. Entre as regras elementares destacam-se:
Modus Ponens (MP): Se temos uma implicação e a sua premissa é verdadeira, a conclusão também o é.
Modus Tollens (MT): Se a conclusão de uma implicação é falsa, então a premissa deve ser falsa.
Introdução e Eliminação: Regras específicas para manipular conjunções, disjunções e duplas negações.
Raciocínio com Quantificadores: Para aplicar regras de inferência a frases quantificadas, utiliza-se a Instanciação Universal (do geral para o particular) e a Instanciação Existencial. Nesta última, quando não conhecemos a entidade específica, criamos um nome arbitrário denominado constante de Skolem para evitar ambiguidades no raciocínio.
Sistemas Baseados em Conhecimento
23 Fevereiro 2026, 13:00 • Gabriela Eleutério Soares
Hierarquia de Dados, Informação e Conhecimento: Compreensão de que os dados são símbolos brutos, a informação é o dado com contexto e o conhecimento é obtido da experiência humana para permitir tirar conclusões.
Representação Procedimental vs. Declarativa: O conhecimento procedimental está embutido no programa e controla ações, enquanto o declarativo representa afirmações sobre entidades, as suas propriedades e as relações entre elas.
Representação Explícita vs. Implícita: Na representação explícita (tecnologia simbólica), as partes que detêm o conhecimento são identificáveis; na implícita (redes neuronais), o conhecimento só é aparente através do comportamento do sistema.
Arquitetura de Sistemas Baseados em Conhecimento (KBS): Estes sistemas utilizam conhecimento explícito do domínio e são compostos por uma Interface, uma Base de Conhecimento e um Motor de Inferência.
Métodos de Representação e Exemplos Históricos: O conhecimento pode ser estruturado (Redes Semânticas, Scripts, CBR) ou não-estruturado (Lógica), com exemplos práticos em sistemas pioneiros como o DENDRAL (química) e o MYCIN (medicina).
Introdução
10 Fevereiro 2026, 14:30 • Isabel da Piedade Xavier Machado Alexandre
Conceito e evolução histórica da Inteligência Artificial: das origens filosóficas (Aristóteles) aos marcos do séc. XX e XXI (Turing, Dartmouth, Lisp, Prolog, sistemas periciais, Deep Blue, AlphaGo, TensorFlow).
Distinção entre IA como engenharia e como ciência.
O Teste de Turing e os seus limites.
Domínios de aplicação da IA: meteorologia, exploração espacial, finanças, medicina, robótica, veículos autónomos.
IA como ferramenta e não como ameaça.
Visão geral dos tópicos do programa: Lógica de 1.ª Ordem, Lógica Vaga, Raciocínio Baseado em Casos, Lógica Indutiva, Árvores de Decisão, Sistemas Periciais e IA Explicável.
Apresentação
10 Fevereiro 2026, 13:00 • Isabel da Piedade Xavier Machado Alexandre
Apresentação da unidade curricular: equipa docente, modelo de avaliação (prova individual + trabalho de grupo) e calendário.
Introdução
9 Fevereiro 2026, 19:30 • Gabriela Eleutério Soares
Conceito e evolução histórica da Inteligência Artificial: das origens filosóficas (Aristóteles) aos marcos do séc. XX e XXI (Turing, Darmouth, Lisa, Prolog, sistemas periciais, Deep Blue, AlphaGo, TensorFlow).
Distinção entre IA como engenharia e como ciência.
O Teste de Turing e os seus limites.
Domínios de aplicação da IA: metrologia, exploração espacial, finanças, medicina, robótica, veículos autónomos.
IA como ferramenta e não como ameaça.
Visão geral dos tópicos do programa: Lógica de 1.ª Ordem, Lógica Vaga, Raciocínio Baseado em Casos, Lógica Indutiva, Árvores de Decisão, Sistemas Periciais e IA Explicável.